此 Image-Object-Detection-MobileNetV1-SSD512-Caffe 是在深度學習 Caffe 的框架下,先使用 SSD (Single Shot MultiBox Detector) 演算法來訓練模型,再透過已訓練好的模型偵測 PCB 上面的電容,本次訓練圖片大小為 512 × 512。
此 Image-Classification-MobileNetV2-Caffe 是利用 Caffe 框架,使用 MobileNetV2 網路架構來訓練模型,透過已訓練好的模型來分類影像。
使用隨機森林預測股價數據的推論結果。
此 Image-Classification-MobileNetV1-Caffe 是利用 Caffe 框架,使用 MobileNetV1 網路架構來訓練模型,透過已訓練好的模型來分類影像。
Image-Object-Detection-VGG16-SSD512-Caffe-VOC-Auto-Labeling 的解決方案,是將推論後的結果,輸出成 Pascal VOC XML 格式的標記檔,目的是為了讓推論的結果變成標記檔後,可直接使用標記軟體直接觀看推論的結果,同時達到使用推論結果自動標記推論影像的功能。
Stock-Taiwan-XGBoost-Regression 是一個Xgboost (eXtreme Gradient Boosting) (極限梯度提升) 與 Regression 來預測台灣股價的解決方案,Xgboos 可以用於分類也可以用於迴歸問題。
此解決方案是使用 Keras 的 UNet 來進行學習。很多醫學影像分割的研究,大部分都以 UNet 為基礎進行改良。此是一個分割網路,包括兩個部分,特徵擷取與上採樣。由於網路結構像 U 型,所以稱為 UNet。
此 Image-Classification-InceptionV4-Caffe 是利用 Caffe 框架,使用 InceptionV4 網路架構來訓練模型,透過已訓練好的模型來分類影像。
此 Image-Classification-InceptionV3-Caffe 是利用 Caffe 框架,使用 InceptionV3 網路架構來訓練模型,透過已訓練好的模型來分類影像。
OpenR8 社群版-免費開源的 AI 軟體使用方法及功能介紹,深度學習軟硬體及框架選擇經驗分享,國家高速網路與計算中心 AI 雲建置經驗分享,深度學習專案經驗分享、問答、及交流
FaceNet 主要驗證人臉是否為同一個人,端對端學習,直接比對兩個人臉經過它的網路 映射之後的歐氏距離。本解決方案收錄了 FaceNet。使用者只要透過滑鼠點擊即可完成前處理、訓練、分類、 即時影像人臉辨識等。
Xgboost (eXtreme Gradient Boosting) (極限梯度提升) 是 boosting 演算法的其中一種, Boosting 演算法的思想是將許多弱分類器集成在一起形成一個強分類器。因為 Xgboost 是一種 gradient boosting decision tree,可以用於分類也可以用於迴歸問題。
Xgboost (eXtreme Gradient Boosting) (極限梯度提升) 是一種 gradient boosting decision tree,可以用於分類也可以用於迴歸問題。 ORAI 將 Xgboost 整合至軟體,使用者只需要準備好資料,透過 ORAI 的標準流程,即可完成數據分析。
Conv1D 為一維卷積層 (1D convolution layer),用在一維輸入信號上進行濾波,是深度學習常見的運算處理之一,在這裡,我們使用 Conv1D 進行數據推論來預測股價。
此 Image_PCB_ResNet152_SSD512_Caffe 是在深度學習 Caffe 的框架下,先使用 SSD (Single Shot MultiBox Detector) 演算法搭配 ResNet152 來訓練模型,再透過已訓練好的模型偵測 PCB 上面的電容,本次訓練圖片大小為 512 × 512。
此 Image_PCB_VGG19_SSD512_Caffe 是在深度學習 Caffe 的框架下,先使用 SSD (Single Shot MultiBox Detector) 演算法搭配 VGG19 來訓練模型,再透過已訓練好的模型偵測 PCB 上面的電容,本次訓練圖片大小為 512 × 512。
LSTM(Long short-term memory)長短期記憶,是一種特殊的RNN。LSTM適合於處理和預測時間序列中間隔和延遲非常長的重要事件,因此我們使用 LSTM 來做數據的推論。
此 Image-Classification-InceptionV2-Caffe 是利用 Caffe 框架,使用 InceptionV2 網路架構來訓練模型,透過已訓練好的模型來分類影像。
1 [2] 3 4 5